Effect of microtopography on RADARSAT-1 and PALSAR backscattering from rock alteration products in the Curaçá Valley, Brazil
Notice bibliographique
Résumé
AbstractThis paper addresses the influence of microtopography (root mean square height HRMS and correlation length LC) on RADARSAT-1 and phased array L-band synthetic aperture radar (PALSAR) backscattering coefficient (σ0) values from distinct rock alteration products of the Cu-rich district of Curaçá Valley, northeastern Brazil. The area is characterized by a semiarid environment, flat topography with rock outcrops and residual soils, and low to moderate Caatinga vegetation cover. The lithologies consist of Archean gneisses and granulites interbedded with mafic-ultramafic intrusives and upper Proterozoic marbles, schists, and phyllites. The images were acquired under distinct look azimuth and incidence angles and corresponded to four RADARSAT-1 images (F2, S2, and S7 ascending and S7 descending) and one PALSAR image (fine beam dual (FBD) descending). The research was based on the use of linear regression analyses, which showed a weak to moderate linear correlation between σ0 and HRMS and LC for both SAR data. HRMS was the most important microtopographic parameter influencing σ0, whereas LC played a secondary role. Regarding RADARSAT-1, the highest regression coefficient (R2) values were obtained for shallower incidence angles (S7), and this dependence increased from steeper to shallower incidence, regardless of changes in the look azimuth. For PALSAR, R2 was slightly higher than that for RADARSAT-1 and was related to cross-polarization. The investigation showed that backscattering for synthetic aperture radar (SAR) data from both RADARSAT-1 and PALSAR is not modulated in a predominant manner by the microtopographic variations of the geological surfaces.Dans cet article, nous examinons l’influence de la microtopographie (hauteur RMS = HRMS et longueur de corrélation = LC) sur les valeurs de σ0 de RADARSAT-1 et de PALSAR à partir de différents produits d’altération de roches dans le district riche en cuivre de la vallée de Curaçá, dans le nord-est du Brésil. La région est caractérisée par un environnement semi-aride, une topographie plane avec des affleurements rocheux et des sols résiduels, ainsi qu’un couvert de végétation de faible à modéré de Caatinga. Les lithologies consistent en des gneiss et des granulites archéens intercalés avec des couches de roches intrusives mafiques et ultramafiques et des marbres, des schistes et des phyllites du Protérozoïque supérieur. Les images ont été acquises en fonction de différents modes de visée, d’azimuts et d’angles d’incidence et consistaient en quatre images de RADARSAT-1 (faisceaux F2, S2 et S7 ascendants, S7 descendant) et une image de PALSAR (FBD c.-à-d. faisceau étroit descendant en polarisation double). Cette recherche était basée sur l’utilisation d’analyses de régression linéaire et a permis d’observer une corrélation linéaire variant de faible à modérée entre σ0 et HRMS et LC pour les deux types de données RSO. HRMS constituait le paramètre microtopographique le plus important affectant la valeur de σ0 tandis que LC y jouait un rôle secondaire. En ce qui concerne les données de RADARSAT-1, les valeurs les plus élevées de R2 ont été obtenues pour les angles d’incidence plus faibles (S7) et cette dépendance augmentait des angles d’incidence plus grands vers les angles plus faibles, indépendamment des changements dans la visée et l’azimut. Pour ce qui est des données de PALSAR, la valeur de R2 était légèrement supérieure à celle des données de RADARSAT-1 et celle-ci était associée au phénomène de polarisation croisée. Cette recherche a montré que la rétrodiffusion pour les deux types de données RSO n’est pas modulée de façon prédominante par les variations de la microtopographie des surfaces géologiques.[Traduit par la Rédaction]
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».